Sztuczna inteligencja 3800-KOG-SI
Podstawowym celem zajęć jest przedstawienie głównych idei, które pojawiały się w badaniach nad sztuczną inteligencją w ciągu ostatnich 50 lat, jak również tych, które są znamienne dla obecnego rozwoju sztucznej inteligencji. Idee te przyświecały - i wciąż przyświecają - inicjatywom tworzenia inteligentnych agentów (robotów, botów, algorytmów, jednostek uczących się), gromadzących informacje o środowisku i podejmujących decyzje co do stosownych działań (akcji), w systemach autonomicznych bądź wspierających człowieka. Przejście od percepcji (zbierania informacji) do działania (podejmowania decyzji, wykonywania akcji) wymaga reprezentacji środowiska i wiedzy o środowisku, wnioskowania, planowania, a przede wszystkich uczenia się na podstawie dostępnych danych. Na zajęciach omawiać będziemy powyższe elementy składające się na współczesny obraz sztucznej inteligencji, wskazując też na wybrane kwestie bezpieczeństwa i etyki jej zastosowań.
Zakres poszczególnych tematów wspólny dla ćwiczeń i wykładu
1. Historia dyscypliny, pojęcie inteligentnego agenta, przykłady zastosowań - np. gry i symulacje.
2. Sztuczna inteligencja w rozwiązywaniu problemów: heurystyki, algorytmy inspirowane naturą.
3. Uczenie maszynowe: selekcja cech, drzewa decyzyjne, sieci neuronowe, interpretowalność.
4. Niepewność: zbiory przybliżone, modele probabilistyczne, niepewność podejmowania decyzji.
5. Wnioskowanie w rachunku zdań: wnioskowanie przez rezolucję, efektywność wnioskowania.
6. Wybrane zagadnienia logiki rozmytej i jej zastosowania w systemach sterowania i robotyce.
7. Wybrane zagadnienia logiki pierwszego rzędu i jej zastosowania w zadaniach planowania.
8. Zagadnienia bezpieczeństwa i etyki w nowoczesnych zastosowaniach sztucznej inteligencji.
Rodzaj przedmiotu
Założenia (opisowo)
Koordynatorzy przedmiotu
Efekty kształcenia
Celem zajęć jest przedstawienie podstaw i zastosowań metod sztucznej inteligencji. Student powinien nabyć umiejętność rozwiązywania złożonych problemów obliczeniowych przy użyciu omawianych metod (K_W01, K_W03, K_W04, K_W05, K_W06, K_W09). Powinien posiąść wiedzę, na ile omawiane metody mogą być przydatne w projektach, w których bierze udział, a także w potencjalnych przyszłych projektach związanych z jego zainteresowaniami (K_U01, K_U03, K_U08, K_U09, K_U35, K_U38). W zakresie kompetencji społecznych student powinien być w stanie uważnie słuchać innych ludzi a także brać udział w dyskusji (K_K01, K_K07). Szczegółowe efekty uczenia się sprowadzają się do wiedzy oraz umiejętności rozwiązywania zadań związanych z ośmioma głównymi zakresami w opisie przedmiotu.
Kryteria oceniania
Na pomyślne zaliczenie przedmiotu składają się ćwiczenia (zaliczenie) oraz egzamin (ocena). Zaliczenie ćwiczeń jest warunkiem koniecznym i dostatecznym dla przystąpienia do egzaminu. Zaliczenie ćwiczeń jest czysto zero-jedynkowe, nie wiąże się ono z żadną dodatkową punktacją, która mogłaby dodatkowo wpłynąć na ostateczną ocenę z przedmiotu.
Istotnymi warunkami dla zaliczenia ćwiczeń jest regularna obecność na ćwiczeniach oraz zaliczenie (zero-jedynkowe) kolokwium, na którym studenci rozwiązują zadania na zastosowanie metod sztucznej inteligencji. Warunkiem dodatkowym lub alternatywnym może być rozwiązywanie prac domowych. Dalsze szczegóły ustalają osoby prowadzące poszczególne grupy ćwiczeniowe.
Uczęszczanie na wykład nie jest obowiązkowe, lecz wskazane dla pełnego zrozumienia materiału. Egzamin ma formę pisemną. Jest złożony z zadań na zastosowanie metod sztucznej inteligencji. Na egzaminie można korzystać z materiałów własnych, ale zadania trzeba rozwiązywać indywidualnie. W terminie poprawkowym egzamin może przyjąć postać egzaminu ustnego.
- Semestralna liczba dopuszczalnych nieobecności zajęciach oraz w wypadkach, których to dotyczy, sposoby ich zaliczania: 2
Literatura
Poniższe książki mają charakter uzupełniający, dodatkowa literatura będzie wskazana na zajęciach.
1. Mariusz Flasiński: Wstęp do Sztucznej Inteligencji (PWN 2011)
2. Stuart Russell, Peter Norvig: Artificial Intelligence: A Modern Approach
3. George Luger: AI: Structures and Strategies for Complex Problem Solving
4. Tom Mitchell: Machine Learning
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: